青岛大学学报（工程技术版）
青島大學學報（工程技術版）
청도대학학보（공정기술판）
JOURNAL OF QINGDAO UNIVERSITY(ENGINEERING & TECHNOLOGY EDITION)
2015年
1期
49-52,57
,共5页
赵世磊%陈文佼%陈军港%张智晟
趙世磊%陳文佼%陳軍港%張智晟
조세뢰%진문교%진군항%장지성
径向基神经网络%支持向量机%组合模型%风电功率预测
徑嚮基神經網絡%支持嚮量機%組閤模型%風電功率預測
경향기신경망락%지지향량궤%조합모형%풍전공솔예측
radial basis function%support vector machine%combined model%wind power prediction
针对单一预测模型无法全面利用历史数据对风电场风电功率预测问题,本文提出了基于径向基神经网络(RBF-NN)与径向基-支持向量机(RBF-SVM)组合的风电场风电功率预测模型,通过固定综合权系数将2个模型融合在一起,同时采用最小二乘法来求取各子模型的权系数,实现2个子模型的优势互补,并对实际某风电场的功率数据进行预测仿真和测试.仿真结果表明,2个模型组合后,平均绝对误差为11.63％,分别比子模型降低0.87％和0.76％,证明所提出的组合预测模型能有效提高预测精度.该研究满足实际的调度预测要求.
針對單一預測模型無法全麵利用歷史數據對風電場風電功率預測問題,本文提齣瞭基于徑嚮基神經網絡(RBF-NN)與徑嚮基-支持嚮量機(RBF-SVM)組閤的風電場風電功率預測模型,通過固定綜閤權繫數將2箇模型融閤在一起,同時採用最小二乘法來求取各子模型的權繫數,實現2箇子模型的優勢互補,併對實際某風電場的功率數據進行預測倣真和測試.倣真結果錶明,2箇模型組閤後,平均絕對誤差為11.63％,分彆比子模型降低0.87％和0.76％,證明所提齣的組閤預測模型能有效提高預測精度.該研究滿足實際的調度預測要求.
침대단일예측모형무법전면이용역사수거대풍전장풍전공솔예측문제,본문제출료기우경향기신경망락(RBF-NN)여경향기-지지향량궤(RBF-SVM)조합적풍전장풍전공솔예측모형,통과고정종합권계수장2개모형융합재일기,동시채용최소이승법래구취각자모형적권계수,실현2개자모형적우세호보,병대실제모풍전장적공솔수거진행예측방진화측시.방진결과표명,2개모형조합후,평균절대오차위11.63％,분별비자모형강저0.87％화0.76％,증명소제출적조합예측모형능유효제고예측정도.해연구만족실제적조도예측요구.
